optimization

FedFIbOS提出了一种基于Fisher重要性的方法，用于异构联邦学习中的最优子模型选择，该方法具有理论基础，并在非独立同分布设置下比现有最先进方法准确率提高约10%。

本文展示了利用 Sharpness-Aware Minimization (SAM) 来增强机器学习模型在分类细菌拉曼光谱数据时的泛化能力，将精度提高了高达 10.5%，并推进了用于抗菌素耐药性的便携式诊断工具。

一个针对双AMD 7900 XTX GPU优化的llama.cpp GitHub分支，显著提升了Qwen 3.8 Q8模型的解码速度至82 tokens/秒。

作者讨论了AI智能体开发中常见的偏见，即对话语气优先于信息效率，提倡使用最小化解题回合数的混合模型。

LangSmith对其代理跟踪过滤功能进行了重建，使得构建查询、查找运行和理解匹配更加快速和便捷。

优化了在单张 AMD Radeon R9700 GPU 上运行 Qwen3.8 27b NVFP4 模型的性能，解码速度高达每秒 153 个令牌，预填充速度达每秒 3,619 个令牌，并提升了并发性能。

本文提出了一种在智能体AI系统中设计工作流组合的框架，以优化选择和计算分配，通过数学优化和在数据集上的实证评估展示了准确性的提高。

本文研究了神经网络中Grokking的热启动转移中的组件角色，表明转移内部权重可以提高早期性能但存在不稳定性风险，并提出了稳定该过程的方法。

本文提出了改进多臂老虎机的无先验算法，在无噪音时实现了规模、曲率和水平线均无需先验的最优竞争比，但在噪音下无法同时满足。

此拉取请求在 llama.cpp 中为 MTP draft 启用 CUDA 图，以提升 GPU 上 LLM 推理的性能。

DwarfStar 为关键模型系列提供快速融合内核，基于 MIT 许可证开源，以增强 AI 实现。

本文介绍了QART，一种量子-经典混合架构，通过集成量子编码和优化，增强了大语言模型中的长程推理能力，并在多个基准测试中展示了性能提升。

本文提出了一种 stopgrad 回归原则，以统一并从理论上为流图、强化学习和扩散采样器的 stopgrad 目标提供依据，包括收敛结果和内存高效的改进。

本文提出了一种动态聚合增强的高效全局优化算法（DA-EGO），用于解决高维涡轮机械设计问题，并通过基准测试和气动应用进行了验证。

Pace 详细介绍了他们改进保险文档 AI 提取代理的方法，通过优化基于历史数据的子代理委派、模型路由和上下文，从而降低成本和延迟。

这条推文将推理服务确定为自动化研究的主要目标，强调在延迟、质量和吞吐量约束下的端到端优化，在统一搜索空间中涵盖各个方面，并暗示了未来的发展。

本文介绍了对 `gearhash` Rust crate 的优化，新增了 NEON 后端，使 ARM64 架构上的性能提升一倍，改进了内容定义分块（如 Hugging Face 的 Xet 客户端等应用场景）。

本文将 GRAND 作为一种方法提出，以解决 IPv6 首包延迟问题，通过闭合初始数据包传输中的间隙来提升网络性能。

作者针对 Apple M3 Ultra 优化了 DeepSeek V4.1 Flash，使用 DSpark 推测解码实现了高达 40 t/s 的解码速度，同时保持了与上游模型字节级一致的准确性。

本文研究了为什么理论上收敛更快的 Gauss-Seidel 方法由于循环携带依赖而表现得比 Jacobi 方法慢，并展示了如何通过循环展开来提高性能。